JP2013169156A - 色彩画像撮像・外観特徴解析システム - Google Patents
色彩画像撮像・外観特徴解析システム Download PDFInfo
- Publication number
- JP2013169156A JP2013169156A JP2012033452A JP2012033452A JP2013169156A JP 2013169156 A JP2013169156 A JP 2013169156A JP 2012033452 A JP2012033452 A JP 2012033452A JP 2012033452 A JP2012033452 A JP 2012033452A JP 2013169156 A JP2013169156 A JP 2013169156A
- Authority
- JP
- Japan
- Prior art keywords
- appearance feature
- color image
- shape
- analysis system
- light source
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Investigating Materials By The Use Of Optical Means Adapted For Particular Applications (AREA)
Abstract
【課題】人の目に近い農産物の栽培・品質管理や評価を課題とし、色彩画像撮像・外観特徴解析システムを提供する。
【解決手段】色彩画像撮像システム及び又は外観特徴解析システムからなる色彩画像撮像・外観特徴解析システムであって、色彩画像撮像システムは、円錐光源・円錐台光源・円筒円錐台光源のいずれか１つの光源を有し、該光源内に対象物を設置し、外観特徴解析システムは、形状の算出工程と、統計解析工程とからなる工程、又は形状、色彩、サイズうち、少なくとも２つの算出工程と、統計解析工程若しくは外観特徴距離の可視化工程とからなる工程、を備える。
【選択図】図１
【解決手段】色彩画像撮像システム及び又は外観特徴解析システムからなる色彩画像撮像・外観特徴解析システムであって、色彩画像撮像システムは、円錐光源・円錐台光源・円筒円錐台光源のいずれか１つの光源を有し、該光源内に対象物を設置し、外観特徴解析システムは、形状の算出工程と、統計解析工程とからなる工程、又は形状、色彩、サイズうち、少なくとも２つの算出工程と、統計解析工程若しくは外観特徴距離の可視化工程とからなる工程、を備える。
【選択図】図１
Description
本発明は、色彩画像撮像・外観特徴解析システムに関する。詳しくは、色彩画像撮像システム及び／又は外観特徴解析システムに関する。更に詳しくは、対象物の表面反射を除去又は軽減する色彩画像撮像システム及び／又は形状情報、色彩情報、サイズ情報のうち少なくとも１つの情報に基づく外観特徴解析システムに関する。
農産物の栽培・品質管理や評価等は、熟練者の経験や勘に頼ることが多く、明確な判断要因や基準を定量化することは困難である。
特に、農産物の色彩や形状、大きさ等の外観は食味・食感とともに農産物の商品価値を決める重要な品質要素である。又、少子化や食の多様化等にともなってカット品の流通・販売が盛んになっており、農産物の内観も重要視されている。上記の通り、農産物の栽培・品質管理や外観・内観評価等、生育過程の時系列モニタリングは、現場での熟練者の目視によって行われ、経験や勘に基づく判断要因や判断基準に依存しているため、客観性や再現性が課題となっている。
最近では農業の６次産業化が注目されており、消費者ニーズにマッチした・消費者が見て美味しいと感じる農産物の作り込み（育種や栽培へのフィードバック等を含む）が重要となるが、消費者の目に相当する装置化が求められている。更に、植物工場等の導入が検討されているが、環境制御が中心となっている。農産物を製品としてとらえた場合、農産物の加工業者や消費者が希望する物理的特性（スペック）の構築、その数値化を含めた定量的評価の確立、ライン設計等が課題となっている。
特に、農産物の色彩や形状、大きさ等の外観は食味・食感とともに農産物の商品価値を決める重要な品質要素である。又、少子化や食の多様化等にともなってカット品の流通・販売が盛んになっており、農産物の内観も重要視されている。上記の通り、農産物の栽培・品質管理や外観・内観評価等、生育過程の時系列モニタリングは、現場での熟練者の目視によって行われ、経験や勘に基づく判断要因や判断基準に依存しているため、客観性や再現性が課題となっている。
最近では農業の６次産業化が注目されており、消費者ニーズにマッチした・消費者が見て美味しいと感じる農産物の作り込み（育種や栽培へのフィードバック等を含む）が重要となるが、消費者の目に相当する装置化が求められている。更に、植物工場等の導入が検討されているが、環境制御が中心となっている。農産物を製品としてとらえた場合、農産物の加工業者や消費者が希望する物理的特性（スペック）の構築、その数値化を含めた定量的評価の確立、ライン設計等が課題となっている。
そこで、光学機器を用いた管理や評価の試みがなされているが、そもそも人の目による管理や評価は、部分的な評価の足し合わせや、画像処理といったアルゴリズムによるコンピュータ・ソフトウェア上の処理ではなく、全体の印象も含めて行われることが多い。そのため、分光測色計等を用いた部分的な評価ではなく，画像解析（色彩解析や形状解析）による人の目に近い管理や評価の構築が望まれている。
対象物の表面色を解析するためには、対象物の表面画像をいかに忠実に撮像するかが重要となる。このために、カメラシステム、照明システムが極めて重要で、かつ画像撮像部を外光から遮蔽することが重要である。特に、表面反射を除去又は軽減することが課題であり、そのため拡散光源が用いられてきている。拡散光源を用いた撮像方法として、直接サーキュラー型の拡散光源をカメラに取り付け撮影する方法が知られている他、発明者の一部は、もともと拡散的な光源である標準蛍光灯からの光を、拡散反射板を用いて更に拡散光の程度を高める方法を構築した（非特許文献１）。
しかしながら、農産物は表面光沢に加え表面の色むらや凹凸も顕著であることから、上記従来技術では、対象物の表面反射を除去又は軽減した色彩画像計測は困難であった。
しかしながら、農産物は表面光沢に加え表面の色むらや凹凸も顕著であることから、上記従来技術では、対象物の表面反射を除去又は軽減した色彩画像計測は困難であった。
農産物の外観・内観品質の中でも、特に色彩は、色相の質的な変異、彩度の量的な変異、色彩の空間分布等が存在し、品質を決める重要な指標であるため、様々な色彩解析手法が開発されている。発明者の一部は、HSL 色空間を用いたイチゴ表面および断面における色彩画像解析により、品種識別の可能性を示した（非特許文献２）。又、非特許文献３には、L*a*b*表色系の内、a*の値に基づきイチゴの色彩解析を行い、形状及びサイズの解析結果と組み合わせることで、イチゴの等級判定を行う方法が開示されている。
しかしながら、非特許文献２及び３では、色彩の全体値や出現頻度だけが解析対象とされており、イチゴの表面および断面における果実色の空間的な分布情報が破棄されている問題点があった。
しかしながら、非特許文献２及び３では、色彩の全体値や出現頻度だけが解析対象とされており、イチゴの表面および断面における果実色の空間的な分布情報が破棄されている問題点があった。
そこで、発明者の一部は、（１）対象物の表面反射を除去又は軽減する色彩画像撮像システムとして、円筒型拡散光源を有し、該光源内に対象物を設置する色彩画像撮像システムと、（２）人の目に近い農産物の栽培・品質管理や評価行う色彩画像解析システムとして、CDEに基づく画像解析工程と、Color Histogramに基づく色彩解析工程とからなる色彩画像解析システムと、を備えた色彩画像撮像・解析システムを発明し、特許出願している（特許文献１）。
しかしながら、上記特許文献１に記載の色彩画像撮像システムでは、図６の通り、対象物の表面反射の除去が十分ではなかった。又、上記特許文献１に記載の色彩画像解析システムでは、標準的な色・形状・サイズの対象物画像（イチゴ）を算出し，標準画像からのユークリッド距離・コサイン尺度の差を計算しているため、キャリブレーションが必要となる、様々な色・形状・サイズの対象物が必要となる、基準が不明確な場合に色彩画像解析方法が意味をなさなくなる等の問題点があった。
しかしながら、上記特許文献１に記載の色彩画像撮像システムでは、図６の通り、対象物の表面反射の除去が十分ではなかった。又、上記特許文献１に記載の色彩画像解析システムでは、標準的な色・形状・サイズの対象物画像（イチゴ）を算出し，標準画像からのユークリッド距離・コサイン尺度の差を計算しているため、キャリブレーションが必要となる、様々な色・形状・サイズの対象物が必要となる、基準が不明確な場合に色彩画像解析方法が意味をなさなくなる等の問題点があった。
元永佳孝, 亀岡孝治, 橋本篤, 農業機械学会誌, 59 (4), 21-28 (1997).
H. Kitamura, T. Mori, A.Hashimoto, and T. Kameoka, Distinction of strawberry cultivars based on fruitcharacters evaluated by image analysis, Jido SeigyoRengo Koenkai (CD-ROM), 48, L2-15 (2005).
X. Liming, and Z. Yanchao,Automated strawberry grading system based on image processing, Computers and Electronics inAgriculture, 71, S32−S39 (2010).
A. Hashimoto, H. Kondou, Y. Motonaga, H. Kitamura, K. Nakanishi,T. Kameoka, 1st World Congress of Computers in Agriculture and Natural Resources,Zazueta, F. and Xin, J. ed., 70-77 (2001).
Y. Rubner, C. Tomasi, L. J. Guibas,The earth mover's distance as a metric for image retrieval, InternationalJournal of Computer Vision, 40 (2), 99-121 (2000).
本発明は、人の目に近い農産物の栽培・品質管理や評価を課題とし、色彩画像撮像・外観特徴解析システムを提供する。詳細には、対象物の表面反射を除去又は軽減する色彩画像撮像システムを提供する。又、形状情報、色彩情報、サイズ情報のうち少なくとも１つの情報に基づく外観特徴解析システムを提供する。
本発明は、当該色彩画像撮像撮像・外観特徴解析システムを用いた農産物の品質管理・評価装置を提供する。又、当該色彩画像撮像撮像・外観特徴解析システムを用いた農産物の栽培診断方法をも提供する。
本発明は、当該色彩画像撮像撮像・外観特徴解析システムを用いた農産物の品質管理・評価装置を提供する。又、当該色彩画像撮像撮像・外観特徴解析システムを用いた農産物の栽培診断方法をも提供する。
上記課題を解決するため、本発明の色彩画像撮像・外観特徴解析システムは、
＜１＞色彩画像撮像システム及び／又は外観特徴解析システムからなる色彩画像撮像・外観特徴解析システムであって、
色彩画像撮像システムは、円錐光源・円錐台光源・円筒円錐台光源のいずれか１つの光源を有し、該光源内に対象物を設置すること、
外観特徴解析システムは、（Ａ）形状の算出工程と、統計解析工程とからなる工程、又は（Ｂ）形状、色彩、サイズうち、少なくとも２つの算出工程と、統計解析工程若しくは外観特徴距離の可視化工程とからなる工程、を備えること、
を特徴とする。
＜２＞前記＜１＞の形状の算出工程が、θφ極座標系から、形状の類似度又は非類似度のいずれかに変換する工程であることを特徴とする。
＜３＞前記＜１＞又は＜２＞の外観特徴距離の可視化工程が、ｎ次元ユークリッド空間におけるユークリッド距離算出、コサイン尺度算出、多次元尺度構成法、階層的クラスター分析のうち、いずれか１つを含むことを特徴とする。
＜４＞農産物の品質管理及び／又は品質評価システムであって、前記＜１＞〜前記＜３＞のいずれか記載の色彩画像撮像・外観特徴解析システムを用いることを特徴とする。
＜５＞農産物の栽培管理及び／又は栽培診断システムであって、前記＜１＞〜前記＜３＞のいずれか記載の色彩画像撮像・外観特徴解析システムを用いることを特徴とする。
＜１＞色彩画像撮像システム及び／又は外観特徴解析システムからなる色彩画像撮像・外観特徴解析システムであって、
色彩画像撮像システムは、円錐光源・円錐台光源・円筒円錐台光源のいずれか１つの光源を有し、該光源内に対象物を設置すること、
外観特徴解析システムは、（Ａ）形状の算出工程と、統計解析工程とからなる工程、又は（Ｂ）形状、色彩、サイズうち、少なくとも２つの算出工程と、統計解析工程若しくは外観特徴距離の可視化工程とからなる工程、を備えること、
を特徴とする。
＜２＞前記＜１＞の形状の算出工程が、θφ極座標系から、形状の類似度又は非類似度のいずれかに変換する工程であることを特徴とする。
＜３＞前記＜１＞又は＜２＞の外観特徴距離の可視化工程が、ｎ次元ユークリッド空間におけるユークリッド距離算出、コサイン尺度算出、多次元尺度構成法、階層的クラスター分析のうち、いずれか１つを含むことを特徴とする。
＜４＞農産物の品質管理及び／又は品質評価システムであって、前記＜１＞〜前記＜３＞のいずれか記載の色彩画像撮像・外観特徴解析システムを用いることを特徴とする。
＜５＞農産物の栽培管理及び／又は栽培診断システムであって、前記＜１＞〜前記＜３＞のいずれか記載の色彩画像撮像・外観特徴解析システムを用いることを特徴とする。
本発明によれば、対象物の表面反射を除去又は軽減する色彩画像撮像撮像システムを提供することができる。又、形状情報、色彩情報、サイズ情報のうち少なくとも１つの情報に基づく外観特徴解析システムを提供できる。
本発明によれば、当該色彩画像撮像撮像・外観特徴解析システムを用いた農産物の品質管理・評価システムを提供することができる。又、本発明によれば、当該色彩画像撮像撮像・外観特徴解析システムを用いた農産物の栽培管理及び／又は栽培診断システムを提供することができる。
本発明によれば、当該色彩画像撮像撮像・外観特徴解析システムを用いた農産物の品質管理・評価システムを提供することができる。又、本発明によれば、当該色彩画像撮像撮像・外観特徴解析システムを用いた農産物の栽培管理及び／又は栽培診断システムを提供することができる。
本発明の色彩画像撮像・外観特徴解析システムは、色彩画像撮像システムと外観特徴解析システムとから構成される。それぞれを独立して使用することも可能である（例えば、本色彩画像撮像システムで撮像した画像を、任意の画像解析手法を用いて解析してもよいし、任意の装置・条件で撮像した画像、形状、サイズを、本外観特徴解析システムに供してもよい）。色彩画像撮像システムと外観特徴解析システムとを組み合わせて使用することにより、より人の目に近い管理・評価が可能となる。
＜１．色彩画像撮像システム＞
本発明の色彩画像撮像システムは、主に、（１）試料設置台、（２）拡散円錐光源、又は拡散円錐台光源、又はそれらを縦方向に結合した拡散円筒円錐台光源（３）カメラ、及び（４）その他構成から構成される。本発明の色彩画像撮像システムの詳細図を図１に示す。
本発明の色彩画像撮像システムは、主に、（１）試料設置台、（２）拡散円錐光源、又は拡散円錐台光源、又はそれらを縦方向に結合した拡散円筒円錐台光源（３）カメラ、及び（４）その他構成から構成される。本発明の色彩画像撮像システムの詳細図を図１に示す。
（１）試料設置台
撮像対象物が農産物（サイズの小さい物としてはイチゴ、大きい物としてはスイカ、カット品を含む）等であり、様々なサイズを有するため、ジャッキによる試料の高さ調節が可能な他、下記（２）拡散円錐光源、又は拡散円錐台光源、又はそれらを縦方向に結合した拡散円筒円錐台光源が開閉可能なように設計されている。より大きな対象物の場合、底面の円の直径や高さを大きくすることで対応できる。
撮像対象物が農産物（サイズの小さい物としてはイチゴ、大きい物としてはスイカ、カット品を含む）等であり、様々なサイズを有するため、ジャッキによる試料の高さ調節が可能な他、下記（２）拡散円錐光源、又は拡散円錐台光源、又はそれらを縦方向に結合した拡散円筒円錐台光源が開閉可能なように設計されている。より大きな対象物の場合、底面の円の直径や高さを大きくすることで対応できる。
（２）拡散円錐光源・拡散円錐台光源・拡散円筒円錐台光源
拡散円錐光源、又は拡散円錐台形源、又はそれらを縦方向に結合した拡散円筒円錐台光源は、撮像対象物にほぼ均一な光が照射されることが望ましく、電球型蛍光灯と円錐、又は円錐台、又はそれらを縦方向に結合した円筒円錐台からなる。光源である電球型蛍光灯としては、特に限定されないが、高い演色性を有することが望ましく、SPIRAL VITALIGHT（LS社製、演色指数92、色温度5500[K]）が例示される。又、円錐、又は円錐台、又は円筒円錐台の材質としては、特に限定されないが、対象物に照射されるスペクトルパターンが顕著な分布を有さないことが望ましく、標準白色ケント紙が例示される。標準白色ケント紙としては、ルミネッセンスニュートラルホワイト（特殊紙製）、マシュマロCOC (王子特殊紙製)等が例示される。
SPIRAL VITALIGHTの可視分光スペクトルを分光光度計（i1、エックスライト社製）にて測定した結果を図２に示す。このように任意のスペクトルパターンを有する光源であっても、標準白色ケント紙を介することによって、対象物に照射されるスペクトルパターンがピーク等の顕著な分布を有していなければよい（図３）。
円錐、又は円錐台、又は円筒円錐台に対して４点から照明を照射することにより、拡散円錐、又は拡散円錐台、又は拡散円筒円錐台内部で拡散光となって対象物に照射される。光源の数は４点から増減することも可能であるし、図４のように、電球型光源と、円錐、又は円錐台、又は円筒円錐台との間に半円筒を設置し、半円筒状の照明を照射してもよい。ちろん光源自体が、ＬＥＤ光源等を用いることにより、円錐形状、又は円錐台形状、又はそれらを縦方向に結合した円筒円錐台形状を有していてもよい。
マルチチャンネル分光器（PMA-12、浜松ホトニクス社製）より、図５に示す計２５点において、測定した可視分光スペクトル分布を計測した（図６）。その際、照明の温度依存性の問題を解決するため、照明を点灯して１時間経過してから計測した。図６より、拡散円錐光源を用いることで、ノイズやばらつきの少ない、完全拡散光とほぼ同一の照明条件下での撮像が可能となる。光拡散体の形状として最も理想的であるのは、対象物からの等方性が確保できる球型であるが、ハンドリングや成形・成型が非常に困難である。したがって、実用面を考慮すると、円錐型、より球形に近い拡散円錐台型、拡散円筒円錐台型の光源が好適である。
拡散円錐光源、又は拡散円錐台形源、又はそれらを縦方向に結合した拡散円筒円錐台光源は、撮像対象物にほぼ均一な光が照射されることが望ましく、電球型蛍光灯と円錐、又は円錐台、又はそれらを縦方向に結合した円筒円錐台からなる。光源である電球型蛍光灯としては、特に限定されないが、高い演色性を有することが望ましく、SPIRAL VITALIGHT（LS社製、演色指数92、色温度5500[K]）が例示される。又、円錐、又は円錐台、又は円筒円錐台の材質としては、特に限定されないが、対象物に照射されるスペクトルパターンが顕著な分布を有さないことが望ましく、標準白色ケント紙が例示される。標準白色ケント紙としては、ルミネッセンスニュートラルホワイト（特殊紙製）、マシュマロCOC (王子特殊紙製)等が例示される。
SPIRAL VITALIGHTの可視分光スペクトルを分光光度計（i1、エックスライト社製）にて測定した結果を図２に示す。このように任意のスペクトルパターンを有する光源であっても、標準白色ケント紙を介することによって、対象物に照射されるスペクトルパターンがピーク等の顕著な分布を有していなければよい（図３）。
円錐、又は円錐台、又は円筒円錐台に対して４点から照明を照射することにより、拡散円錐、又は拡散円錐台、又は拡散円筒円錐台内部で拡散光となって対象物に照射される。光源の数は４点から増減することも可能であるし、図４のように、電球型光源と、円錐、又は円錐台、又は円筒円錐台との間に半円筒を設置し、半円筒状の照明を照射してもよい。ちろん光源自体が、ＬＥＤ光源等を用いることにより、円錐形状、又は円錐台形状、又はそれらを縦方向に結合した円筒円錐台形状を有していてもよい。
マルチチャンネル分光器（PMA-12、浜松ホトニクス社製）より、図５に示す計２５点において、測定した可視分光スペクトル分布を計測した（図６）。その際、照明の温度依存性の問題を解決するため、照明を点灯して１時間経過してから計測した。図６より、拡散円錐光源を用いることで、ノイズやばらつきの少ない、完全拡散光とほぼ同一の照明条件下での撮像が可能となる。光拡散体の形状として最も理想的であるのは、対象物からの等方性が確保できる球型であるが、ハンドリングや成形・成型が非常に困難である。したがって、実用面を考慮すると、円錐型、より球形に近い拡散円錐台型、拡散円筒円錐台型の光源が好適である。
（３）カメラ
撮像を行うカメラは、特に限定されないが、デジタル一眼レフカメラが望ましく、D300(Nikon社製)、レンズはAF
Zoom Nikkor ED（Nikon社製）が例示される。又、カメラを固定する撮影台は、カメラの高さの変更に対して自由度が高いL-4（KING社製）が例示される。
撮像を行うカメラは、特に限定されないが、デジタル一眼レフカメラが望ましく、D300(Nikon社製)、レンズはAF
Zoom Nikkor ED（Nikon社製）が例示される。又、カメラを固定する撮影台は、カメラの高さの変更に対して自由度が高いL-4（KING社製）が例示される。
（４）その他構成
更に外光の影響を遮断するために、撮像システム全体を暗幕で覆うことが好ましい。暗室内での暗幕の光の反射をなくすため、暗幕は、表地が遮光一級の暗幕、裏地が黒色の暗幕である二重暗幕が好適である。又、色の再現性の高いモニタを撮像システム外に設置し、上記（３）カメラと該モニタとを接続することにより、モニタリングが可能となる。色の再現性の高いモニタとしては、特に限定されないが、SyncMaster XL24(Samsung製)が例示される。
又、撮像システムを植物工場内や栽培装置（インキュベータ等）に設置し、栽培モニタリング・生育モニタリング等することも可能である。
更に外光の影響を遮断するために、撮像システム全体を暗幕で覆うことが好ましい。暗室内での暗幕の光の反射をなくすため、暗幕は、表地が遮光一級の暗幕、裏地が黒色の暗幕である二重暗幕が好適である。又、色の再現性の高いモニタを撮像システム外に設置し、上記（３）カメラと該モニタとを接続することにより、モニタリングが可能となる。色の再現性の高いモニタとしては、特に限定されないが、SyncMaster XL24(Samsung製)が例示される。
又、撮像システムを植物工場内や栽培装置（インキュベータ等）に設置し、栽培モニタリング・生育モニタリング等することも可能である。
本発明の色彩画像撮像システムにより撮像した画像を図７に示す。非常に小さい農産物に類別される数[cm]オーダーのイチゴから、非常に大きい農産物の代表例である数10[cm]オーダーの大玉スイカを試料として用いたにも係わらず、得られた画像では表面の色彩やテクスチャが正確に記録されていることが確認された。したがって、本発明の色彩画像撮像システムを用いることにより、幅広い農産物について、対象物の表面反射を除去又は軽減した画像撮像・画像解析への適用ができる。
＜２．外観特徴解析システム＞
本発明の外観特徴解析システムは、主に、（Ａ）形状情報のみに基づく解析工程と、（Ｂ）形状情報・色彩情報・サイズ情報のうち２つ以上の情報に基づく解析工程に分類される。
詳しくは、（Ａ）形状情報のみに基づく解析工程は、（Ａ−１）θφ極座標系から、相関による形状類似度（以下、相関形状類似度）・差の二乗和による形状類似度（以下、差の二乗和形状類似度）・Earth Mover’s Distanceによる形状の非類似度（以下、EMD）のいずれかに変換する工程と、（Ａ−２）モデル画像を算出する工程と、（Ａ−３）それら（Ａ−１）と（Ａ−２）で得られたデータを統計解析する工程と、を備える。
又、（Ｂ）形状情報・色彩情報・サイズ情報のうち２つ以上の情報に基づく解析工程は、（Ｂ−１）θφ極座標系から、相関形状類似度・差の二乗和形状類似度・EMDのいずれかに変換する工程、（Ｂ−２）CDEに基づく画像解析と、表面の色・分布・形状等が複雑な対象物についてはアニュラーサークルの最適Ｎ数決定と、Color HistogramとCDEに基づく色彩解析により色彩情報を得る工程、（Ｂ−３）サイズ情報を得る工程、（Ｂ−４）それら３つの工程のうち２つ以上の工程で得られたデータを統計解析する工程を備える。又は、（Ｂ−４）の代わりに、（Ｂ−５）外観特徴距離の可視化工程を備える。
より詳しくは、上記（Ａ−３）統計解析としては、分散分析、Bonferroni法による多重比較検定等が例示される。又、（Ｂ−４）統計解析としては、分散分析、TukeyHSD法による多重比較検定等が例示される。又、（Ｂ−５）外観特徴距離の可視化としては、ｎ次元ユークリッド空間において、ユークリッド距離を用いる手法、コサイン尺度を用いる手法、多次元尺度構成法（Muiti Dimensional Scaling、以下、MDS）、階層的クラスター分析等が例示される。
上記外観特徴解析システムはコンピュータ等の計算機上で実行される。
本発明の外観特徴解析システムは、主に、（Ａ）形状情報のみに基づく解析工程と、（Ｂ）形状情報・色彩情報・サイズ情報のうち２つ以上の情報に基づく解析工程に分類される。
詳しくは、（Ａ）形状情報のみに基づく解析工程は、（Ａ−１）θφ極座標系から、相関による形状類似度（以下、相関形状類似度）・差の二乗和による形状類似度（以下、差の二乗和形状類似度）・Earth Mover’s Distanceによる形状の非類似度（以下、EMD）のいずれかに変換する工程と、（Ａ−２）モデル画像を算出する工程と、（Ａ−３）それら（Ａ−１）と（Ａ−２）で得られたデータを統計解析する工程と、を備える。
又、（Ｂ）形状情報・色彩情報・サイズ情報のうち２つ以上の情報に基づく解析工程は、（Ｂ−１）θφ極座標系から、相関形状類似度・差の二乗和形状類似度・EMDのいずれかに変換する工程、（Ｂ−２）CDEに基づく画像解析と、表面の色・分布・形状等が複雑な対象物についてはアニュラーサークルの最適Ｎ数決定と、Color HistogramとCDEに基づく色彩解析により色彩情報を得る工程、（Ｂ−３）サイズ情報を得る工程、（Ｂ−４）それら３つの工程のうち２つ以上の工程で得られたデータを統計解析する工程を備える。又は、（Ｂ−４）の代わりに、（Ｂ−５）外観特徴距離の可視化工程を備える。
より詳しくは、上記（Ａ−３）統計解析としては、分散分析、Bonferroni法による多重比較検定等が例示される。又、（Ｂ−４）統計解析としては、分散分析、TukeyHSD法による多重比較検定等が例示される。又、（Ｂ−５）外観特徴距離の可視化としては、ｎ次元ユークリッド空間において、ユークリッド距離を用いる手法、コサイン尺度を用いる手法、多次元尺度構成法（Muiti Dimensional Scaling、以下、MDS）、階層的クラスター分析等が例示される。
上記外観特徴解析システムはコンピュータ等の計算機上で実行される。
（１）形状解析
上記（Ａ−１）、（Ｂ−１）θφ極座標系から、相関形状類似度・差の二乗和形状類似度・EMDのいずれかに変換する工程について、以下に詳述する。θφ極座標系は非特許文献４に開示されている。
（１−１）相関形状類似度
全く同じ形状をもつ物体に対してθφ極座標系変換を適用した場合には、同じ波形が得られることから２つの輪郭の類似性を検討するための相関係数を適用し、形状の類似度を計算する。ある試料群をＺ＝｛ｚ１，ｚ２，・・・ｚｎ｝と定義する。ここで、試料ｚｉの形状を直交座標系からθφ極座標系へ変換したとき、θ＝ｔにおける φ値をφｉ ｔとすると、ｚｉとｚｊの形状の相関係数Ｒｉｊは次式１（数１）と定義される。
相関係数は負の値を取り得るため、類似度の比較には相関係数の二乗値である決定係数を用いることとする。したがって、形状の類似度Ｓｓｈａｐｅは次式２（数２）により求められる。形状類似度が最大の場合にはＳｓｈａｐｅ＝１となり、最小の場合にはＳｓｈａｐｅ＝０となる。
（１−２）差の二乗和形状類似度
ｒθφ極座標・接線座標系に基づく形状解析により得られたデータを基に、形状類似度を計算するための手法として、差の二乗和による形状類似度を求める。前述の定義に基づくと、差の二乗和による形状類似度は次式３（数３）より求められる。形状が完全に一致するとき、Ｓｓｈａｐｅ＝０となる。
（１−３）EMD
EMD（非特許文献５）により、２つのシグニチャ間の類似度を表すことが可能となる。ここで、ｎ個の要素とｍ個の要素をそれぞれ持つ以下の２つのシグニチャを考える。
１≦ｉ≦ｎ、１≦ｊ≦ｍとすると、ｐｉ、ｑｊは特徴ベクトル、ｗｐｉ、ｗｑｊはそれぞれの特徴ベクトルの重みを表す。このとき、，ｐｉとｑｊの距離をｄｉｊ、ｐｉからｑｊへの輸送量をｆｉｊ、全輸送量をＦとし、次式５（数５）を最小とする最適フローを考える。ただし、このとき、次式６（数６）の条件を満たす必要がある。
これらの条件の下、求められた最適フローをmin(WORK(P,Q,F))とすると、EMD(P,Q)は次式７（数７）によって求められる。
ｒθφ極座標・接線座標系に基づく形状解析により、解析対象物の形状は特徴ベクトルθとその重みであるφによって表される。本発明では、これにより形状をシグニチャとして表し、シグニチャ間のEMDを２つの形状間の非類似度として用いた。
上記（Ａ−１）、（Ｂ−１）θφ極座標系から、相関形状類似度・差の二乗和形状類似度・EMDのいずれかに変換する工程について、以下に詳述する。θφ極座標系は非特許文献４に開示されている。
（１−１）相関形状類似度
全く同じ形状をもつ物体に対してθφ極座標系変換を適用した場合には、同じ波形が得られることから２つの輪郭の類似性を検討するための相関係数を適用し、形状の類似度を計算する。ある試料群をＺ＝｛ｚ１，ｚ２，・・・ｚｎ｝と定義する。ここで、試料ｚｉの形状を直交座標系からθφ極座標系へ変換したとき、θ＝ｔにおける φ値をφｉ ｔとすると、ｚｉとｚｊの形状の相関係数Ｒｉｊは次式１（数１）と定義される。
ｒθφ極座標・接線座標系に基づく形状解析により得られたデータを基に、形状類似度を計算するための手法として、差の二乗和による形状類似度を求める。前述の定義に基づくと、差の二乗和による形状類似度は次式３（数３）より求められる。形状が完全に一致するとき、Ｓｓｈａｐｅ＝０となる。
EMD（非特許文献５）により、２つのシグニチャ間の類似度を表すことが可能となる。ここで、ｎ個の要素とｍ個の要素をそれぞれ持つ以下の２つのシグニチャを考える。
（２）モデル画像の算出
上記（Ａ−２）モデル画像を算出する工程について、以下に詳述する。
例えば、イチゴの果実形状は作型や作期、栽培地などの環境条件や株の栄養状態によって変化しやすく、品種内でもその形状は多様であり、時には同一品種とは思えないほどの差異が生じることもある。しかし、イチゴの果実形状は品種ごとに特徴付けられており、新品種の開発においても目的とする形状の設計が非常に重要な要素となる。
上述のように、品種や栽培条件、栄養状態によってイチゴの果実形状は様々であるが、イチゴの果実形状は大きく８種類に分けられる（図８）。例えば、この中から「球形」、「長円錐」、「長くさび形」の３つについては、図９（ａ）〜（ｃ）に示すイチゴの果実形状のモデル画像が作製できる。さらに、図９（ｄ）に示す四角形のモデル画像をあらかじめ準備することもできる。
上記（Ａ−２）モデル画像を算出する工程について、以下に詳述する。
例えば、イチゴの果実形状は作型や作期、栽培地などの環境条件や株の栄養状態によって変化しやすく、品種内でもその形状は多様であり、時には同一品種とは思えないほどの差異が生じることもある。しかし、イチゴの果実形状は品種ごとに特徴付けられており、新品種の開発においても目的とする形状の設計が非常に重要な要素となる。
上述のように、品種や栽培条件、栄養状態によってイチゴの果実形状は様々であるが、イチゴの果実形状は大きく８種類に分けられる（図８）。例えば、この中から「球形」、「長円錐」、「長くさび形」の３つについては、図９（ａ）〜（ｃ）に示すイチゴの果実形状のモデル画像が作製できる。さらに、図９（ｄ）に示す四角形のモデル画像をあらかじめ準備することもできる。
（３）外観特徴距離の可視化
上記（Ｂ−５）外観特徴距離の可視化工程について、以下に詳述する。
熟練者の目視による農産物の外観特徴の評価においては、複数の外観特徴をそれぞれに独立に評価し、その結果から複合的な評価を決定していると考えられる。そのため、これらの外観特徴がそれぞれ直交関係にあると仮定し、物体間の外観特徴を表わす距離空間としてｎ次元のユークリッド空間を考える。このユークリッド空間において、試料ｚｉと試料
ｚｊの外観特徴距離D(zi,zj) は次式８（数８）で求められる。
ただし、ｎを距離空間の次元数、ｗｔを各次元の重みとする。特徴量の次元数であるｎを増やすことで距離空間の拡張ができ、又、ｗｔを設定することで各次元の重み付けが可能となる。例えば、形状・色彩・サイズから構成される３次元ユークリッド空間（図１０）におけるプロット間のユークリッド距離を試料間の外観特徴距離として用いることができる。
ここで、本手法により複数の物体間の外観特徴距離を表わす場合には、２通りの方法が考えられる。１つは、供試試料の中から基準とするものを１つ選び、基準とした試料に対応する距離空間上の点を原点として、その他の試料の外観特徴を原点からのユークリッド距離という形で表現する方法である（図１０（Ａ））。もう１つは、距離空間にプロットした全ての試料間のユークリッド距離を計算し、試料間の外観特徴の関係を外観特徴距離行列として表現する方法である（図１０（Ｂ））。前者については、キャリブレーションが必要となる、様々な形状・色・サイズの対象物が必要となる、基準が不明確な場合に解析方法が意味をなさなくなる等の欠点がある。一方、後者については、象物集団（母集団）内での解析を行うため、１回の収穫物や撮像物全体・その中の特定の集団内での解析，特定の栽培地域や栽培時期・その中の特定の集団内での解析が可能となる利点がある。例えば、得られた外観特徴距離行列に対し多次元尺度構成法（MDS）による二次元平面への射影を行うことができる。
なお、MDSとは、多次元で表される分類対象物の関係を、少数の次元の空間において幾何学的に表現することが可能な、多変量解析の１手法である。MDSでは物体同士の位置関係を可視化できることから、主にデータ中に潜むパターンやその構造を抜き出すことを目的として用いられる。例えば、イチゴ果実の外観特徴距離の可視化を目的として、果実の形状・色彩・サイズから構成される３次元ユークリッドにイチゴをプロットし、試料間の外観特徴距離を全て計算する。更に、得られたデータに対し、MDSによる二次元平面への射影を行う。
上記（Ｂ−５）外観特徴距離の可視化工程について、以下に詳述する。
熟練者の目視による農産物の外観特徴の評価においては、複数の外観特徴をそれぞれに独立に評価し、その結果から複合的な評価を決定していると考えられる。そのため、これらの外観特徴がそれぞれ直交関係にあると仮定し、物体間の外観特徴を表わす距離空間としてｎ次元のユークリッド空間を考える。このユークリッド空間において、試料ｚｉと試料
ｚｊの外観特徴距離D(zi,zj) は次式８（数８）で求められる。
ここで、本手法により複数の物体間の外観特徴距離を表わす場合には、２通りの方法が考えられる。１つは、供試試料の中から基準とするものを１つ選び、基準とした試料に対応する距離空間上の点を原点として、その他の試料の外観特徴を原点からのユークリッド距離という形で表現する方法である（図１０（Ａ））。もう１つは、距離空間にプロットした全ての試料間のユークリッド距離を計算し、試料間の外観特徴の関係を外観特徴距離行列として表現する方法である（図１０（Ｂ））。前者については、キャリブレーションが必要となる、様々な形状・色・サイズの対象物が必要となる、基準が不明確な場合に解析方法が意味をなさなくなる等の欠点がある。一方、後者については、象物集団（母集団）内での解析を行うため、１回の収穫物や撮像物全体・その中の特定の集団内での解析，特定の栽培地域や栽培時期・その中の特定の集団内での解析が可能となる利点がある。例えば、得られた外観特徴距離行列に対し多次元尺度構成法（MDS）による二次元平面への射影を行うことができる。
なお、MDSとは、多次元で表される分類対象物の関係を、少数の次元の空間において幾何学的に表現することが可能な、多変量解析の１手法である。MDSでは物体同士の位置関係を可視化できることから、主にデータ中に潜むパターンやその構造を抜き出すことを目的として用いられる。例えば、イチゴ果実の外観特徴距離の可視化を目的として、果実の形状・色彩・サイズから構成される３次元ユークリッドにイチゴをプロットし、試料間の外観特徴距離を全て計算する。更に、得られたデータに対し、MDSによる二次元平面への射影を行う。
次に、階層的クラスター分析について、以下に詳述する。
階層的クラスター分析とは、分類対象物同士の類似度（あるいは非類似度）に基づいて、それらをいくつかの階層的な群（クラスター）に分類する手法である。類似度の高い対象物同士を同じクラスターに集め、分類することが可能である。例えば、上記距離空間にイチゴをプロットして全てのイチゴ間の外観特徴距を計算し、得られたデータに対して階層的クラスター分析を行い、その結果からイチゴの品質評価を行うことができる。階層的クラスター分析には様々な手法が存在するが、例えば、比較的安定した結果が得られるWard法が挙げられる。
階層的クラスター分析とは、分類対象物同士の類似度（あるいは非類似度）に基づいて、それらをいくつかの階層的な群（クラスター）に分類する手法である。類似度の高い対象物同士を同じクラスターに集め、分類することが可能である。例えば、上記距離空間にイチゴをプロットして全てのイチゴ間の外観特徴距を計算し、得られたデータに対して階層的クラスター分析を行い、その結果からイチゴの品質評価を行うことができる。階層的クラスター分析には様々な手法が存在するが、例えば、比較的安定した結果が得られるWard法が挙げられる。
以下に本発明の好適な一実施の形態を実施例によって具体的に説明するが、本発明の技術的範囲は下記の実施形態によって限定されるものでなく、本発明の範囲で様々に改変して実施することができる。
＜実施例１：イチゴの形状解析、解析工程（Ａ）＞
イチゴの色彩画像を撮像し、形状解析に基づく品種識別を行った。
試料としてのイチゴは、野菜茶業研究所にて栽培されている表１に示すイチゴを2010年１月から２月に採取し、冷蔵庫９℃で保存した上で、採取から７２時間以内のものを使用した。イチゴ画像撮像時のカメラの設定を表２に示す。
イチゴの色彩画像を撮像し、形状解析に基づく品種識別を行った。
試料としてのイチゴは、野菜茶業研究所にて栽培されている表１に示すイチゴを2010年１月から２月に採取し、冷蔵庫９℃で保存した上で、採取から７２時間以内のものを使用した。イチゴ画像撮像時のカメラの設定を表２に示す。
イチゴ果実の形状データに対して分散分析を行った結果を表３に示す。３つの類似度のうち、どれを使用した場合においても０．１％水準で品種間に有意な差が認められた。次に、Bonferroni法による多重比較検定の結果を表４に示す。解析には１４品種のイチゴを供したが、９１通りの品種の組合せのうち，相関形状類似度とEMDを用いた場合では４９通り、差の二乗和類似度を用いた場合では４４通りの品種間で有意な差が認められた。又、多重比較検定により有意差が認められなかった品種同士の形状を比較すると、互いに類似した形状のイチゴが多い品種同士であることがわかる。
＜実施例２：イチゴの形状解析、解析工程（Ｂ）、（Ｂ−４）＞
イチゴの色彩画像を撮像し、複数の外観特徴情報に基づく品種識別を行った。
イチゴ果実の形状・表面色彩（特許文献１に記載の手法により求めた）・サイズ（同）データに対して分散分析を行った結果を表５に示す。分散分析の結果、０．１％水準で品種間に有意差が認められた。次に，TukeyHSD法による多重比較検定の結果を表６に示す。この結果においては、９１通りの品種の組合せ中、６１通りの品種間で有意差が認められた。特に、y02、y14、y31では、１３品種中１１品種との間、y08、y10、y35では、１３品種中１０品種との間で有意差が認められた。同一品種内であっても栽培条件の違いなどに起因する外観特徴の差異はあるものの、今回用いた試料では大半の品種間で有意差が確認できた。一方で、有意差が認められなかった品種同士のイチゴ果実の外観特徴を見てみると、形状・色彩・サイズのいずれかが類似したイチゴが多く含まれる品種同士であることがわかる。
イチゴの色彩画像を撮像し、複数の外観特徴情報に基づく品種識別を行った。
イチゴ果実の形状・表面色彩（特許文献１に記載の手法により求めた）・サイズ（同）データに対して分散分析を行った結果を表５に示す。分散分析の結果、０．１％水準で品種間に有意差が認められた。次に，TukeyHSD法による多重比較検定の結果を表６に示す。この結果においては、９１通りの品種の組合せ中、６１通りの品種間で有意差が認められた。特に、y02、y14、y31では、１３品種中１１品種との間、y08、y10、y35では、１３品種中１０品種との間で有意差が認められた。同一品種内であっても栽培条件の違いなどに起因する外観特徴の差異はあるものの、今回用いた試料では大半の品種間で有意差が確認できた。一方で、有意差が認められなかった品種同士のイチゴ果実の外観特徴を見てみると、形状・色彩・サイズのいずれかが類似したイチゴが多く含まれる品種同士であることがわかる。
＜実施例３：スイカの形状解析、解析工程（Ｂ）、（Ｂ−４）＞
スイカの色彩画像を撮像し、複数の外観特徴情報に基づく品種識別を行った。
試料としてのスイカは、三重県津市内のスーパーマーケット（マルヤス南が丘店三重県津市垂水750-25）と契約し、品種ごとに同じ農家で同じ時期に栽培された３品種のスイカを用いた（表７）。イチゴ画像撮像時のカメラの設定を表８に示す。
スイカの色彩画像を撮像し、複数の外観特徴情報に基づく品種識別を行った。
試料としてのスイカは、三重県津市内のスーパーマーケット（マルヤス南が丘店三重県津市垂水750-25）と契約し、品種ごとに同じ農家で同じ時期に栽培された３品種のスイカを用いた（表７）。イチゴ画像撮像時のカメラの設定を表８に示す。
一般にスイカの品種識別においては、果実形状がそれほど有用な情報を持たないと考えられるため、色彩情報とサイズ情報だけを用いた品種識別を試みた。スイカ果実の断面色彩（特許文献１に記載の手法により求めた）・サイズ（同）データ対して分散分析を行った結果を表９に示す。用いた３つの品種間で有意差が認められた。次に、TukeyHSD法による多重比較検定の結果を表１０に示す。用いた全ての品種間で有な差が認められた
＜実施例４：イチゴの形状解析、解析工程（Ｂ）、（Ｂ−５）＞
イチゴの色彩画像を撮像し、複数の外観特徴情報に基づく品種識別を行った。
MDSの結果を図１１に示す。同図から，第１軸（横軸）あるいは第２軸（縦軸）の値の変化に伴ってイチゴの外観特徴が変化していることが確認された。ここで、第１軸に対し、果実表面の平均Ｌ＊値と果実サイズとを説明変数として、重回帰分析を行った結果を表１１に示す。r=0.950と非常に高い相関が認められ、Ｌ＊値と果実サイズの効果はそれぞれ０．１％%水準で有意であった。又、回帰式も０．１％水準で有意であったことから、第１軸は、果実表面の明度値と果実サイズ変化を表している。次に、第２軸に対し、果実表面の平均ａ＊値、平均ｂ＊値と果実サイズとを説明変数として、重回帰分析を行った結果を表１２に示す。この場合も、r=0.813と相関関係が認められ、果実サイズとｂ＊値の効果は０．１％水準、ａ＊の効果は５％水準で有意であった。又、回帰式も０．１％水準で有意であったため、第２軸は果実表面の色彩と果実サイズの変化に対応する。以上の結果から、イチゴ果実の外観特徴の精細な変化をMDSによって可視化できることがわかった。
これまでの農産物の外観特徴の評価は、専門家による定性的かつ主観的な評価法によって行われてきた。そのため、図１１のように外観特徴の微細な変化を表わすことは非常に困難であった。MDSの結果では、それぞれの軸がイチゴ果実の外観特徴の変化を表していることから、今後，例えば育種分野においては、イチゴの遺伝情報とMDSによる二次元平面への射影の結果をリンクさせることで、どのような遺伝情報を持つイチゴと近い表現型を有するものであるかを容易に調べることができる。
イチゴの色彩画像を撮像し、複数の外観特徴情報に基づく品種識別を行った。
MDSの結果を図１１に示す。同図から，第１軸（横軸）あるいは第２軸（縦軸）の値の変化に伴ってイチゴの外観特徴が変化していることが確認された。ここで、第１軸に対し、果実表面の平均Ｌ＊値と果実サイズとを説明変数として、重回帰分析を行った結果を表１１に示す。r=0.950と非常に高い相関が認められ、Ｌ＊値と果実サイズの効果はそれぞれ０．１％%水準で有意であった。又、回帰式も０．１％水準で有意であったことから、第１軸は、果実表面の明度値と果実サイズ変化を表している。次に、第２軸に対し、果実表面の平均ａ＊値、平均ｂ＊値と果実サイズとを説明変数として、重回帰分析を行った結果を表１２に示す。この場合も、r=0.813と相関関係が認められ、果実サイズとｂ＊値の効果は０．１％水準、ａ＊の効果は５％水準で有意であった。又、回帰式も０．１％水準で有意であったため、第２軸は果実表面の色彩と果実サイズの変化に対応する。以上の結果から、イチゴ果実の外観特徴の精細な変化をMDSによって可視化できることがわかった。
これまでの農産物の外観特徴の評価は、専門家による定性的かつ主観的な評価法によって行われてきた。そのため、図１１のように外観特徴の微細な変化を表わすことは非常に困難であった。MDSの結果では、それぞれの軸がイチゴ果実の外観特徴の変化を表していることから、今後，例えば育種分野においては、イチゴの遺伝情報とMDSによる二次元平面への射影の結果をリンクさせることで、どのような遺伝情報を持つイチゴと近い表現型を有するものであるかを容易に調べることができる。
＜実施例５：イチゴの形状解析、解析工程（Ｂ）、（Ｂ−５）＞
イチゴの色彩画像を撮像し、複数の外観特徴情報に基づく品種識別を行った。
クラスター数を14として階層的クラスター分析を行った結果を図１２に示す。同図から、色彩や形状、テクスチャ等の外観特徴が類似したイチゴが、同じクラスターに分類されることが確認できた。ここで、クラスターごとの平均ＨＳＶ値、球の形状モデル（図１０（Ａ））との形状非類似度の平均値、及び基準イチゴのサイズを１としたときの平均サイズを表１３に示す。この結果から、Cluster6、7、10、11、12の平均Ｖ値は他のクラスターと比べ小さいことがわかる。したがって、これらのクラスターに含まれるイチゴは、表面の色彩が黒ずんだものであり、商品価値の低いクラスターである。又、球との形状の非類似度値では、Cluster1、2、12、14においてその値が小さいことから、これらのクラスターには、みを帯びた形状のイチゴが多く含まれる。反対に、Cluster5、9、11では非類似度値が大きいことから、ここでは円錐形のイチゴが多いクラスターである。更に、クラスターごとの果実サイズの平均は、Cluster4、5、8、13、14で小さく、Cluster1、7、10、12で大きくなっている。したがって、前者は果実サイズの小さいイチゴが多く、後者は比較的大きなイチゴが多く含まれるクラスターである。このように各クラスターが異なる特徴を有しており、果実の形状・色彩・サイズ等の外観特徴に基づく分類がなされていたことから、本システムと階層的クラスター分析によるイチゴの品質評価が可能となる。
イチゴの色彩画像を撮像し、複数の外観特徴情報に基づく品種識別を行った。
クラスター数を14として階層的クラスター分析を行った結果を図１２に示す。同図から、色彩や形状、テクスチャ等の外観特徴が類似したイチゴが、同じクラスターに分類されることが確認できた。ここで、クラスターごとの平均ＨＳＶ値、球の形状モデル（図１０（Ａ））との形状非類似度の平均値、及び基準イチゴのサイズを１としたときの平均サイズを表１３に示す。この結果から、Cluster6、7、10、11、12の平均Ｖ値は他のクラスターと比べ小さいことがわかる。したがって、これらのクラスターに含まれるイチゴは、表面の色彩が黒ずんだものであり、商品価値の低いクラスターである。又、球との形状の非類似度値では、Cluster1、2、12、14においてその値が小さいことから、これらのクラスターには、みを帯びた形状のイチゴが多く含まれる。反対に、Cluster5、9、11では非類似度値が大きいことから、ここでは円錐形のイチゴが多いクラスターである。更に、クラスターごとの果実サイズの平均は、Cluster4、5、8、13、14で小さく、Cluster1、7、10、12で大きくなっている。したがって、前者は果実サイズの小さいイチゴが多く、後者は比較的大きなイチゴが多く含まれるクラスターである。このように各クラスターが異なる特徴を有しており、果実の形状・色彩・サイズ等の外観特徴に基づく分類がなされていたことから、本システムと階層的クラスター分析によるイチゴの品質評価が可能となる。
Claims (5)
- 色彩画像撮像システム及び／又は外観特徴解析システムからなる色彩画像撮像・外観特徴解析システムであって、
色彩画像撮像システムは、円錐光源・円錐台光源・円筒円錐台光源のいずれか１つの光源を有し、該光源内に対象物を設置すること、
外観特徴解析システムは、（Ａ）形状の算出工程と、統計解析工程とからなる工程、又は（Ｂ）形状、色彩、サイズうち、少なくとも２つの算出工程と、統計解析工程若しくは外観特徴距離の可視化工程とからなる工程、を備えること、
を特徴とする色彩画像撮像・外観特徴解析システム。 - 前記形状の算出工程が、θφ極座標系から、形状の類似度又は非類似度のいずれかに変換する工程であることを特徴とする請求項１に記載の色彩画像撮像・外観特徴解析システム。
- 前記外観特徴距離の可視化工程が、ｎ次元ユークリッド空間におけるユークリッド距離算出、コサイン尺度算出、多次元尺度構成法、階層的クラスター分析のうち、いずれか１つを含むことを特徴とする請求項１又は２に記載の色彩画像撮像・外観特徴解析システム。
- 請求項１乃至３のいずれか記載の色彩画像撮像・外観特徴解析システムを用いてなる農産物の品質管理及び／又は品質評価システム。
- 請求項１乃至３のいずれか記載の色彩画像撮像・外観特徴解析システムを用いてなる農産物の栽培管理及び／又は栽培診断システム。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2012033452A JP2013169156A (ja) | 2012-02-18 | 2012-02-18 | 色彩画像撮像・外観特徴解析システム |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2012033452A JP2013169156A (ja) | 2012-02-18 | 2012-02-18 | 色彩画像撮像・外観特徴解析システム |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| JP2013169156A true JP2013169156A (ja) | 2013-09-02 |
Family
ID=49263544
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2012033452A Pending JP2013169156A (ja) | 2012-02-18 | 2012-02-18 | 色彩画像撮像・外観特徴解析システム |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP2013169156A (ja) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105300895A (zh) * | 2015-11-05 | 2016-02-03 | 浙江大学 | 一种利用特征点切线夹角预警马铃薯发芽缺陷的方法 |
| KR101703566B1 (ko) * | 2015-08-13 | 2017-02-07 | 한국식품연구원 | 영상 촬영장치와 이를 구비한 색채 측정시스템 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0517505U (ja) * | 1991-08-05 | 1993-03-05 | 株式会社メイテツク | 植物の成長状態計測装置 |
| JP2001318053A (ja) * | 2000-05-10 | 2001-11-16 | Shizuoka Prefecture | 植物体の品質評価装置及び育種選抜方法並びに品質評価方法 |
| JP2003047340A (ja) * | 2001-08-08 | 2003-02-18 | Hitachi Ltd | 作物観察用模擬環境装置及び制御方法 |
| US20050180608A1 (en) * | 2004-02-17 | 2005-08-18 | Hitachi, Ltd. | Plant growing analyzing system and method |
| JP2010268760A (ja) * | 2009-05-25 | 2010-12-02 | Dainippon Printing Co Ltd | 農作業依頼システム、農作業依頼方法、管理サーバ、プログラム及び記録媒体 |
| JP2011192022A (ja) * | 2010-03-15 | 2011-09-29 | Japan Research Institute Ltd | 農作物モニタリング方法、農作物モニタリングシステム及び農作物モニタリング装置 |
| JP2011220729A (ja) * | 2010-04-06 | 2011-11-04 | Kobelco Kaken:Kk | シリコンウェハ汚れ検査装置および該方法 |
| JP2012005468A (ja) * | 2010-06-28 | 2012-01-12 | Nikon Corp | 植物栽培システム、植物栽培プラント及び植物栽培方法 |
-
2012
- 2012-02-18 JP JP2012033452A patent/JP2013169156A/ja active Pending
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH0517505U (ja) * | 1991-08-05 | 1993-03-05 | 株式会社メイテツク | 植物の成長状態計測装置 |
| JP2001318053A (ja) * | 2000-05-10 | 2001-11-16 | Shizuoka Prefecture | 植物体の品質評価装置及び育種選抜方法並びに品質評価方法 |
| JP2003047340A (ja) * | 2001-08-08 | 2003-02-18 | Hitachi Ltd | 作物観察用模擬環境装置及び制御方法 |
| US20050180608A1 (en) * | 2004-02-17 | 2005-08-18 | Hitachi, Ltd. | Plant growing analyzing system and method |
| JP2005229818A (ja) * | 2004-02-17 | 2005-09-02 | Hitachi Ltd | 植物成育解析システム及び解析方法 |
| JP2010268760A (ja) * | 2009-05-25 | 2010-12-02 | Dainippon Printing Co Ltd | 農作業依頼システム、農作業依頼方法、管理サーバ、プログラム及び記録媒体 |
| JP2011192022A (ja) * | 2010-03-15 | 2011-09-29 | Japan Research Institute Ltd | 農作物モニタリング方法、農作物モニタリングシステム及び農作物モニタリング装置 |
| JP2011220729A (ja) * | 2010-04-06 | 2011-11-04 | Kobelco Kaken:Kk | シリコンウェハ汚れ検査装置および該方法 |
| JP2012005468A (ja) * | 2010-06-28 | 2012-01-12 | Nikon Corp | 植物栽培システム、植物栽培プラント及び植物栽培方法 |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR101703566B1 (ko) * | 2015-08-13 | 2017-02-07 | 한국식품연구원 | 영상 촬영장치와 이를 구비한 색채 측정시스템 |
| CN105300895A (zh) * | 2015-11-05 | 2016-02-03 | 浙江大学 | 一种利用特征点切线夹角预警马铃薯发芽缺陷的方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Bhargava et al. | Fruits and vegetables quality evaluation using computer vision: A review | |
| Surya Prabha et al. | Assessment of banana fruit maturity by image processing technique | |
| Momin et al. | Geometry-based mass grading of mango fruits using image processing | |
| Jhawar | Orange sorting by applying pattern recognition on colour image | |
| Ahmad Loti et al. | Integrated analysis of machine learning and deep learning in chili pest and disease identification | |
| Kim et al. | Classification of grapefruit peel diseases using color texture feature analysis | |
| Karimi et al. | An intelligent system for quality measurement of Golden Bleached raisins using two comparative machine learning algorithms | |
| Przybył et al. | Artificial neural networks and electron microscopy to evaluate the quality of fruit and vegetable spray-dried powders. Case study: Strawberry powder | |
| Barnes et al. | Visual detection of blemishes in potatoes using minimalist boosted classifiers | |
| Antonucci et al. | Quantitative method for shape description of almond cultivars (Prunus amygdalus Batsch) | |
| Martínez et al. | A computer vision approach based on endocarp features for the identification of olive cultivars | |
| Anami et al. | Behavior of HSI color co-occurrence features in variety recognition from bulk paddy grain image samples | |
| Carolina et al. | Classification of oranges by maturity, using image processing techniques | |
| Zhang et al. | Automatic non-destructive multiple lettuce traits prediction based on DeepLabV3+ | |
| Asmara et al. | Chicken meat freshness identification using colors and textures feature | |
| Anami et al. | Automated Paddy Variety Recognition from Color-Related Plant Agro-Morphological Characteristics. | |
| Macías-Macías et al. | Mask R-CNN for quality control of table olives | |
| Bora et al. | Application of bio-image analysis for classification of different ripening stages of banana | |
| Benoit et al. | On the value of the Kullback–Leibler divergence for cost-effective spectral imaging of plants by optimal selection of wavebands | |
| JP2013169156A (ja) | 色彩画像撮像・外観特徴解析システム | |
| Suwarningsih et al. | Ide-cabe: chili varieties identification and classification system based leaf | |
| JP5888639B2 (ja) | 色彩画像撮像・解析システム | |
| Manickavasagan et al. | Edge detection features to evaluate hardness of dates using monochrome images | |
| CN116258844A (zh) | 一种棉花叶片表型性状快速精准鉴定方法 | |
| Chéné et al. | Shape descriptors to characterize the shoot of entire plant from multiple side views of a motorized depth sensor |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20140806 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20150611 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20150901 |
|
| A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20151102 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20151130 |
|
| A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20160607 |